DataMind

一个框架搞定 RAG、图检索、NL2SQL 和记忆

DataMind 是一个基于 LlamaIndex 构建的一体化智能助手框架，目标是把 RAG、GraphRAG、NL2SQL、技能系统和记忆机制整合到同一个可复用架构中。它解决的是当前大模型应用开发中检索、图推理、数据库查询、工具调用与长期记忆各自为政、难以协同的问题。核心能力包括：多模态文档的检索增强生成，支持文本、图像等混合内容；GraphRAG 将知识图谱与向量检索结合，提升复杂关系推理；NL2SQL 让用户用自然语言直接查询关系型数据库；Skills 模块提供可插拔的工具与技能扩展；Memory 模块维护对话与任务上下文，实现跨轮次记忆。项目用 Python 编写，适合快速搭建企业知识库、数据分析助手和智能问答系统。

开源 free 搜索知识

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 117

维护状态活跃

是否开源是

定价模式 free

项目数据

分类搜索知识

开发团队OpenDCAI

所属国家

官网地址https://opendcai.github.io/DataMind-Doc

GitHubhttps://github.com/OpenDCAI/DataMind

定价模式free

价格说明开源项目，免费使用

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型data,data-preparation,database,graphrag,memory,rag,skills

GitHub 星标★ 117

30天Star增速

HF 下载量

上线时间2026-03-29 00:00:00

最近更新2026-09-17 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-18

浏览次数0

使用教程

核心亮点

把 RAG、GraphRAG、NL2SQL、Skills、Memory 统一在 LlamaIndex 生态下，减少多组件拼接成本
支持多模态输入，文档、图像等混合内容可进入同一检索与推理流程
NL2SQL 与 GraphRAG 并存，既能查结构化数据库，也能做关系型知识推理

不足之处

项目处于早期，星标仅 117，社区规模小，长期维护与生态成熟度待观察
文档和示例可能不够完善，复杂场景的配置与调试成本较高

适用场景

企业知识库问答：上传多模态文档后，用 RAG 与 GraphRAG 回答跨文档关系问题
数据分析助手：业务人员用自然语言通过 NL2SQL 查询数据库并生成分析结论
智能客服/个人助手：借助 Memory 与 Skills 实现带上下文记忆和工具调用的多轮对话

替代项目

LlamaIndex、LangChain

项目介绍

DataMind 是一个搜索知识领域的开源项目，官方简介：All-in-one intelligent assistant powered by LlamaIndex — RAG, GraphRAG, NL2SQL, Skills & Memory with multimodal support.。项目使用 Python 开发，在 GitHub 上获得 117 星标。

上一篇：awesome-artificial-intelligence-research

下一篇：heimdall